基于视觉想象的导航决策生成方法、装置、设备及介质

本发明涉及智能决策技术领域，可应用于金融科技、医疗健康等业务系统平台中，公开了一种基于视觉想象的导航决策生成方法、装置、设备及介质，包括：获取导航场景的导航指令和初始环境数据，根据导航指令和初始环境数据确定导航想象模式；提取导航指令的语义信息，将语义信息转化为视觉想象图像，提取视觉想象图像的目标区域特征；获取实时环境数据，从实时环境数据中提取与目标区域特征相匹配的语义对齐区域，并生成语义对齐区域的空间注意力图；将空间注意力图转化为语义对齐区域的空间文本摘要，对空间文本摘要进行链式思维推理，得到结构化决策序列；根据结构化决策序列生成导航决策。本发明可以提升视觉语言导航中导航决策生成结果的准确性。